基于能源使用舒适度调整的农村建筑集成能源系统的多时间尺度运行优化

《Renewable Energy Focus》：Multi-time scale operational optimization of rural building integrated energy system based on energy-use comfort adjustment

　　摘要：农村综合能源系统（RIES）是实现农村振兴和低碳转型的重要途径，但其发展面临着诸多挑战，例如由于天气条件和用户能源行为导致的能源供需不匹配问题。本文提出了一种针对农村场景设计的多时间尺度运营调度框架下的优化调度方法，旨在在确保用户能源需求满足的同时降低运营成本。首先通过调查和模拟精确评估农村家庭的实际能源需求。接着构建了一个涵盖日前调度和日内调度的多时间尺度优化模型：在日前调度中，使用LMOEA-DS算法优化运营成本和用户舒适度，提前确定输出计划；在日内调度中，根据源负荷波动进行滚动优化，以确保系统稳定运行。结果显示，在典型的供暖日，日运营成本从1.276元/天降至0.203元/天，相对降低了84.1%；在典型的降温日，经济效益提高了3.56%。热泵的COP在供暖季节和制冷季节分别提高了2.28%和11.27%，同时舒适度调整受到预设的设备运行时间和室内温度舒适度限制的约束。所提出的方法有效应对了源负荷波动问题，并为RIES的高效运行提供了实际案例。

引言：农村综合能源系统（RIES）利用可再生能源的优势和多能源互补性（包括供暖、制冷、电力和燃气），已成为推动农村能源系统低碳转型的核心平台[1][2]。RIES的部署和试点研究通常采用分布式屋顶光伏和本地可用资源（如生物质-太阳能耦合）[2]，反映了农村分布式可再生能源的高潜力以及在本地基础设施限制下进行综合运营的必要性。许多代表性的RIES实践围绕太阳能辅助热泵系统和混合可再生能源供暖架构展开[3]（例如太阳能热能、地源热泵、储能集成设计），为在可再生能源间歇性条件下进行运营阶段调度和舒适度-成本权衡提供了实际背景。与城市集中式能源系统不同，农村地区不仅拥有丰富的可再生能源（如太阳能和地热能），还拥有广阔的屋顶空间，为大规模部署分布式光伏系统创造了有利条件[4]。通过多能源协同优化，RIES可以有效弥补单一能源供应的不足，提升整体系统性能，并显著减少碳排放[3][5][6]。然而，在实际运行中，RIES的调度仍存在挑战。主要原因是可再生能源发电和多能源需求随时间波动，难以平衡成本、舒适度和稳定性。可再生能源（如光伏和风能）的输出受天气条件影响较大，具有很强的随机性和波动性。同时，农村用户的能源消费行为（如供暖、制冷、烹饪等）存在显著的时空异质性[7][8]。与城市建筑相比，农村住宅能源需求的特点是“部分时间、部分空间”的间歇性[9]，这主要是由于建筑规模较小和生活习惯不同所致。研究表明，农村居民的室内活动范围有限，倾向于通过调整着装来适应温度变化，因此对恒定和均匀的室内温度需求较低[10]。这种行为模式导致负荷在时间和空间上的分布极不平均，从而加剧了能源匹配的不平衡，不仅降低了可再生能源的本地消耗率，还增加了系统中平衡供需的经济成本和能源消耗[11][12]。此外，农村用户的能源消费行为与城市居民有显著差异，他们对能源价格更敏感，使用时间更加灵活[13]。相比城市居民，农村用户更可能调整能源消费行为（如错峰用电或减少非必需能源使用）以在可接受的舒适度范围内降低能源成本[14][15]。研究表明，收入和能源成本是农村家庭采用清洁能源的主要障碍，农村居民通常比城市居民对成本更为敏感。因此，对于农村环境下的RIES调度而言，开发一个能够明确捕捉并动态平衡经济成本与能源使用舒适度之间权重的框架至关重要。然而，现有的调度模型通常基于城市能源使用模式设计，未能充分考虑农村用户的特性，导致在实际应用中存在兼容性问题。尽管农村地区在空间资源（如屋顶光伏安装的巨大潜力[17]）方面具有明显优势，但相对薄弱的能源基础设施、设备多样性和复杂的系统运行约束使得确保系统长期稳定性成为当前研究的主要挑战[18]。因此，设计一种既能平衡经济效率、用户舒适度又能保证系统长期稳定性的调度策略，不仅是实现RIES高效运行的关键，也是推动农村能源系统低碳转型的有效途径。现有研究从不同角度探讨这一目标：通过建筑围护结构和被动设计优化需求侧[19]、优化RIES的配置设计以及优化已实施系统的运营调度[20][21]。本研究重点关注已实施RIES的运营调度。

日前调度作为规划层，根据可再生能源发电、负荷和市场价格预测，为次日制定系统运行计划，以实现经济最优。不可避免的预测误差和可再生能源及负荷的固有波动要求使用随机优化和鲁棒优化等方法[20][21][22]。这些方法将安全边际或概率情景纳入计划，以提高其对潜在波动的适应性。同时，利用储能和热惯性等灵活资源来提升系统调节能力也是日前调度研究的重点[23][24]。然而，日前调度本质上是基于预测的静态计划，即使考虑到不确定性，其处理短期高频波动的能力仍然有限。当实际波动超出预测范围时，计划可能难以同时保持经济性和安全性。与日前优化调度相比，日内优化调度更注重短期能源供需匹配，通常需要实时监控和控制系统运行状态，并动态调整运营策略。由于传统离线优化无法满足日内调度需求，因此采用滚动优化技术来迭代调整决策[20][21]。为了提供准确的输入数据，Erdin?[26]整合了多步长短期记忆（LSTM）预测模型，用于交互式预测系统内的不确定参数。由于滚动优化常需与预测技术结合，模型预测控制（MPC）在综合能源系统的日内调度优化研究中得到广泛应用。MPC包括系统状态测量、预测信息更新和控制变量优化。日内调度的运营策略基于系统状态和有限时间范围内的供需条件制定，但缺乏长期规划，提出的策略只能实现局部优化而非全局优化。为了将规划层的全球经济效率与执行层的波动跟踪能力结合起来，多时间尺度层次化优化策略应运而生。这种方法构建了一个协调的“日前和日内”框架：日前层制定考虑波动范围的全局经济计划；日内层则采用MPC等滚动优化方法，在更细的时间粒度上跟踪波动，对计划进行安全和渐进式调整，以减小偏差并确保稳定性[26]。这种架构通过在不同时间尺度上分解问题来协调决策变量。鉴于这类耦合优化问题的大规模和复杂性，分布式优化和分解协调算法常被用来提高计算效率和工程实用性[27][28]。大多数以往研究仅关注系统的运营调度，忽略了灵活负荷侧设备的协同调度。尽管Li[30]在调度综合能源系统时考虑了灵活负荷的转移和减少，但大多数研究（包括需求响应机制[31]）主要关注需求响应带来的经济效益，忽略了系统输出和能源使用计划调整对用户满意度的影响。在农村RIES背景下，用户能源行为和成本敏感性不同于城市居民，舒适度要求也具有一定弹性，因此构建一个能够明确量化并动态平衡经济成本与能源使用舒适度的调度框架对于实现可接受且高效的系统运行至关重要。

总结：现有关于RIES调度的研究仍存在以下不足。首先，缺乏场景适应性。现有模型通常基于城市能源使用模式，未能充分考虑农村用户对能源价格的敏感性和消费行为的灵活性。其次，舒适度常被视为固定约束，而非可调节的动态目标。尽管在满足舒适度要求的的前提下优化了经济效益，但缺乏动态机制来平衡经济效率和舒适度。第三，从算法实用性来看，当详细模拟农村设备的多样性和运营约束时，可能会面临可扩展性和实施挑战。本文提出了一种针对农村能源使用场景的多时间尺度协调调度方法，填补了现有研究的空白。该方法通过精细的用户行为建模、动态平衡经济效率和舒适度以及协调异构设备的调度，确保RIES的高效和可持续运行。本文的主要贡献如下：(1)针对农村家庭能源负荷的波动，根据居民生活习惯精确评估了农村居民的能源需求，为系统的优化调度提供了可靠的基础。(2)通过引入舒适度水平计算公式，并结合LMOEA-DS算法生成帕累托最优解集，实现了经济效率与用户舒适度之间的动态平衡，这符合农村用户的特点，即他们的能源使用行为在可接受的舒适度范围内表现出一定的灵活性。(3)包括日前和日内调度的多时间尺度调度策略已经过优化、验证和评估。通过比较调度前后的运营成本、电力系统调度、热泵单元性能和室内温度，评估了多时间尺度调度策略在优化综合能源系统运行方面的有效性。

本文结构如下：第2节介绍RIES的基本概念，并详细描述了电力消耗模型和能源使用舒适度模型。第3节介绍了多时间尺度运营调度框架，涵盖了日前和日内调度的优化策略。第4节基于农村建筑进行了案例研究。最后，第5节总结了研究的主要结论。该系统旨在充分利用可再生能源，优化能源效率，并减少能源消耗。日前预测阶段的决策变量包括：家庭中可中断设备与不可中断设备的每小时运行状态（??inter???(??) 和 ??non - inter???(??)）；储能电池的每小时充放电功率（??Dhsoc?(??)）；系统与电网之间的每小时交互功率（??Dhbuy?(??) 和 ??Dhsell?(??)）；热储能/家庭水箱的每小时热量释放量（??Dhtk,x?(??) 和 ??Dhtk,s?(??)）；以及热泵的每小时出水温度。

基于在中国关中原地区（西安）进行的一项家庭调查，我们观察到农村住宅用电存在显著的空间和时间上的间歇性。因此，本案例研究及所有调查得出的数据均针对关中原地区的农村家庭，并旨在代表具有相似气候和能源使用模式的地区，而非所有农村环境。在77个被调查的家庭中，家庭人口规模从1人到7人不等，其中1-6名为常住成员。

为了应对由于能源供应和需求方面的动态变化以及日前预测误差导致的供需波动，建立了一种多时间尺度的运行调度策略。日前阶段以最小化日常运营成本和最大化客户舒适度为优化目标，同时整合了农村能源系统和家庭能源管理系统进行协同调度，以提高调度策略的灵活性，并平衡各种冲突。

CRediT作者贡献声明：
刘佳乐：撰写 – 审稿与编辑，撰写 – 原稿。
赵安军：监督。
焦阳：方法论。

未引用的参考文献：
[25], [29], [33]。

利益冲突声明：
作者声明他们没有已知的可能会影响本文工作的财务利益或个人关系。

致谢：
本工作得到了国家绿色建筑重点实验室（LSZZ-Y202421）的支持。

刘佳乐 | 赵安军 | 焦阳